本发明专利技术公开了一种基于变频技术的变负荷大型换热器气阻特性的检测方法。本发明专利技术的具体步骤为：根据历史数据结合神经网络预测出设计标准风量下的变频器的初始频率预测值，通过采集变频器频率从0到的风量与频率变化，通过最小二乘算法计算出变频器频率和管道风量之间开环传递函数中的三个参数。然后以IATE为最优指标，以PID+作为开环传递函数，利用闭环传递函数为约束方程，采用非线性优化求解器进行优化求解得到PID控制器中最优的、、值。根据在工作点附近风量和频率的近似线性特征，求取修正后的频率值，并将变频器的频率调整为。本发明专利技术代替以往人工调节风量的麻烦，并且节能省时，方便快速，有效的提高了生产效率。
【技术实现步骤摘要】
本专利技术属于控制
，涉及工业过程控制领域的数据建模和过程控制，尤其涉及一种。
技术介绍
气阻特性是表征大型换热器流动性能的重要指标，也是大型板翅式换热器产品在出厂前必须测试的重要指标之一。主要包括两个方面:一个是对于一定的换热器通道，在标准温度、标准压力和标准流量情况下，该换热器通道两端的压力损失；另外一个是在此情况下的换热器通道的摩擦因子。由于在不同温度、压力等条件下测试结果不同，缺乏可比性。因此规定标准状况为一个标准大气压下、标准零摄氏度为标准状况，此时测得的风量为标准风量，在其他压力和温度下测得的风量需要转化为标准风量。过去在测量过程中一般采用孔板流量计通过测量一定风量情况下换热器的气阻参数，然后换算得到在标准情况下换热器的气阻特性。采用以上方法具有明显的缺点，一个是孔板流量计的测量准确性比较差，另外风量的控制采用人工控制阀门的方式，没法准确控制在变换后的风量，第三个是采用孔板测量和人工控制不节能、不准确、后续人工计算量大，由于每个换热器测试时间长，工作效率比较低。采用变频器控制风机的风量，采用喷嘴测量系统可以解决系统节能问题，喷嘴测量风量的精度大大高于孔板流量计。由于测试过程中无法保证当前工况处于标准工况，需对换热器的温度和压力可根据气体状态方程进行换算，转换方法为:权利要求1.，其特征在于该方法包括如下步骤: 步骤(I)采集不同类型板翅式换热器设计参数以及运行参数，建立包含换热器设计参数和运行参数的实时数据库，具体参数的采集通过换热器系统检测平台中的数据库获取；所述的换热器设计参数包括换热器的通道名称、设计风量、设计气阻，运行参数包括换热器的实际气阻、检测温度、气压以及实际变频器频率； 基于历史测试数据，采用神经网络建立设计标准风量、设计气阻与实际气阻、实际变频器频率之间的神经网络模型，以此预测不同换热器通道设计标准风量下，风机为了达到该风量的初始频率预测值7具体实施步骤如下: 首先，提取各个换*器通道情况下的历史数据，建立输入样本与输出样本集，输入样本包括换热器的设计风量、设计气阻、检测温度，输出样本为实际气阻和换热器在达到设计风量下的实际变频器频率，然后采用神经网络对这些历史数据进行训练；神经网络结构包括输入层、隐含层和输出层，隐含层和输出层的神经兀个数范围分别为4 10和2 6 ;训练过程中将设计风量、设计气阻和检测温度作为输入，以实际变频器频率和实际气阻作为输出，通过神经网络学习获得神经网络模型，神经网络模型中的各参数定义如下: 输入层单兀输入向量为在=(01#2■…為)，目标向量石=dl…，O ;隐含层单兀输入向量，输出向量馬=(H...為)；输出层单兀输入向量At= (H-'Λ),输出向SCfc = CeljC2,...,^)，k=l, 2，…，m表示样本数据个数；输入层到隐含层的连接权'i=l, 2，..., η ； j=l, 2，*..ρ ;隐含层到输出层的连接权％，t=l, 2，…q ;隐含层各单兀的输出阈值4输出层各单元的输出阈值> 神经网络模型的学习过程步骤如下: 初始化各层的连接权值和阈值，给每个连接权>%、和输出阈值巧、乃赋予区间(-1，I)内的随机值； 选取输入样本和输出样本； 用输入样本、连接权、输入阈值和输出阈值计算隐含层和输出层各单兀的输出；全文摘要本专利技术公开了一种。本专利技术的具体步骤为根据历史数据结合神经网络预测出设计标准风量下的变频器的初始频率预测值，通过采集变频器频率从0到的风量与频率变化，通过最小二乘算法计算出变频器频率和管道风量之间开环传递函数中的三个参数。然后以IATE为最优指标，以PID+作为开环传递函数，利用闭环传递函数为约束方程，采用非线性优化求解器进行优化求解得到PID控制器中最优的、、值。根据在工作点附近风量和频率的近似线性特征，求取修正后的频率值，并将变频器的频率调整为。本专利技术代替以往人工调节风量的麻烦，并且节能省时，方便快速，有效的提高了生产效率。文档编号G01M9/00GK103245481SQ20131016442公开日2013年8月14日 申请日期2013年5月7日 优先权日2013年5月7日专利技术者江爱朋, 姜周曙, 王剑, 王金宏, 黄国辉 申请人:杭州电子科技大学本文档来自技高网...
【技术保护点】
基于变频技术的变负荷大型换热器气阻特性的检测方法，其特征在于该方法包括如下步骤：步骤（1）采集不同类型板翅式换热器设计参数以及运行参数，建立包含换热器设计参数和运行参数的实时数据库，具体参数的采集通过换热器系统检测平台中的数据库获取；所述的换热器设计参数包括换热器的通道名称、设计风量、设计气阻，运行参数包括换热器的实际气阻、检测温度、气压以及实际变频器频率；基于历史测试数据，采用神经网络建立设计标准风量、设计气阻与实际气阻、实际变频器频率之间的神经网络模型，以此预测不同换热器通道设计标准风量下，风机为了达到该风量的初始频率预测值?，具体实施步骤如下：首先，提取各个换热器通道情况下的历史数据，建立输入样本与输出样本集，输入样本包括换热器的设计风量、设计气阻、检测温度，输出样本为实际气阻和换热器在达到设计风量下的实际变频器频率，然后采用神经网络对这些历史数据进行训练；神经网络结构包括输入层、隐含层和输出层，隐含层和输出层的神经元个数范围分别为4～10和2～6；训练过程中将设计风量、设计气阻和检测温度作为输入，以实际变频器频率和实际气阻作为输出，通过神经网络学习获得神经网络模型，神经网络模型中的各参数定义如下：输入层单元输入向量为，目标向量；隐含层单元输入向量，输出向量；输出层单元输入向量，输出向量，k=1,2，…，m表示样本数据个数；输入层到隐含层的连接权，?i=1,2,…,n；j=1,2,…p；隐含层到输出层的连接权，?t=1,2,…q；隐含层各单元的输出阈值，输出层各单元的输出阈值；神经网络模型的学习过程步骤如下：初始化各层的连接权值和阈值，给每个连接权、和输出阈值、赋予区间(?1,1)内的随机值；选取输入样本和输出样本；用输入样本、连接权、输入阈值和输出阈值计算隐含层和输出层各单元的输出；?????其中，表示隐含层单元的输入值，表示隐含层单元的输出值，表示输出层单元的输入值，表示输出层单元的输出值；计算输出层各单元一般化误差，然后利用隐含层到输出层的连接权、隐含层的输出向量、输出层各单元一般化误差计算隐含层各单元的一般化误差，计算公式如下：；；利用输出层各单元的一般化误差与隐含层各单元的输出值来修正隐含层到输出层的连接权、输出阈值：；；同样，利用隐含层各单元的一般化误差与输入层的输入来修正输入层到隐含层的连接权、输出阈值：，?，；?其中，表示当前的连接权，表示修正后的连接权；表示当前的输出阈值，表示修正后的相应阈值；表示当前的连接权，表示修正后的连接权，表示当前的阈值，表示修正后的阈值，N=1,2，…，NN，其中NN表示设定的学习迭代次数；选取下一个输入样本和输出样本，返回到步骤c)，直到m个训练样本训练完毕；计算所有样本的累计误差，累计误差计算方式为，其中，q表示输出层单元数，m表示样本数量；如果样本累计误差小于预先设定值，或者当前学习迭代次数大于设定的学习迭代次数，那么学习训练结束；否则再次选取样本输入和目标输出，然后返回到步骤c)；学习过程结束后，通过得到的神经网络各部分的权值和阈值，建立能够反映输入和输出的神经网络模型，通过给定输入样本信息，获得变频器初始频率的预测值；步骤（2）根据实际换热器某通道的设计风量、设计气阻和检测温度，利用步骤（1）建立的神经网络模型得到该换热器某通道条件下变频器的初始频率预测值；步骤（3）根据步骤（2）得到的初始频率预测值，将风机频率从0调为的80%，记为，当风机频率达到并稳定运行10～20s后，测得此时实测标准风量并记为；将风机频率调节为的100%，记为，当风机频率达到并稳定10～20s后，测得此时实测标准风量并记为；而在风机频率从到并稳定10～20s过程中，以周期0.5～1s记录换热器通道的实测标准风量、实测气阻以及风机频率，然后，将该过程中记录得到的实测标准风量和风机频率分别减去和，得到风量变化值、频率变化值，其中和分别表示记录的第个风量变化和频率变化值；步骤（4）根据管道气体流动控制模型特点，建立频率和风量之间的传递函数；风量控制系统传递函数为一阶惯性加延迟环节，因此可将频率与标准风量之间的传递函数设为，其中分别表示开环放大倍数、时间常数和延迟时间，为复数；根据步骤（3）得到的频率变化值，将分别赋予正的初值，通过传递函数计算出在采样点处频率变化值作用下的输出，然后以为目标，采用最小二乘算法拟合出传递函数中的三个参数，得到该换热器某通道的具体传递函数；步骤（5）在步骤（4）建立了换热器某通道的具体传递函数后，为了确保快速稳定的将风量调节到预设标准风量，整定PID的参数；以IATE积分性...
【技术特征摘要】
【专利技术属性】
技术研发人员：江爱朋，姜周曙，王剑，王金宏，黄国辉，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。